explore-code 是给深度学习研究项目试做候选改动的 Skill。替换模型骨干、加入 LoRA 或适配层、移植已有模块时，它让 AI 在隔离的分支或工作目录里修改，并记录来源、改动理由和回退方式。
假设你想把另一个开源项目的模块接进现有模型，最容易混淆的是“代码接上了”和“实验已经证明有效”。这个 Skill 倾向于有来源的复制与小范围适配，把产物保留为候选方案，后续再交给运行环节验证。
它会整理变更记录，以及这些改动是否影响与原基线比较的说明。可信的原始基线需要保留，免得做完几轮尝试后，已经说不清最初结果来自哪份代码。
使用前要明确授权探索性改造，给出目标仓库、候选来源与约束。它处理的是有边界的实现工作；大范围重构、从零发明方案和正式训练，不是这个入口单独负责的任务。